​​    9月16日与9月17日上午，统计与数据科学学院于蛟桥园北区财数大楼112会议室举办以“Introduction to Mixed Model Prediction”为主题的短期课程。本次短期课程特邀加利福尼亚大学戴维斯分校统计系主任蒋继明教授作前沿学术分享，学院相关专业教师与研究生50余人到场参会，现场学术氛围浓厚。

    蒋继明教授首先对混合效应模型将混合效应分为线性、广义线性以及非线性混合效应模型，并结合应用场景阐释混合效应模型的研究价值。他提到，频率学派与贝叶斯学派虽在统计学诸多领域存在学术分歧，但在混合效应模型研究上可形成共识。该模型适配具有相关性的数据，可应用于纵向数据研究、遗传学分析、精准医疗等多个领域。

其次，为让在场师生直观理解模型的现实意义，蒋继明教授列举多项经典科研实例。例如，在空气污染与儿童肺功能纵向研究中，同一对象多次重复观测会带来数据相关性，若忽视该结构，标准误与置信区间计算会出现偏差，造成统计推断失真。此外，该模型还可用于骨髓移植患者生存预测、医疗政策与慢性病死亡风险关联分析等医学研究。

最后，围绕“所有模型都是错的，但部分模型有用”这一统计学观点，蒋继明教授重点介绍了模型误设下的稳健预测与估计方法，包括可观测的OBP预测方法和双重稳健DRP小区域估计方法，并分析其应对不同模型设定误差的优势。

两天的短期课程在内容上层层递进，从混合效应模型基础理论拓展至OBP、双重稳健估计等前沿成果，将抽象统计理论与农业、医学、公共政策领域的实际问题紧密结合，拓展了稳健统计与抽样调查方向的科研视野，对学院数理统计方向的相关科学研究与研究生学术能力培养具有重要指导价值。

 （文/魏军 李阳崛    图/徐飞扬

编辑/廖钰秦    审核/谭育华 张华 郭露）